régression logistique binaire avec R

Voir le sujet précédent Voir le sujet suivant Aller en bas

régression logistique binaire avec R

Message par choupon le Mar 20 Mai 2008 - 14:35

Bonjour,

Je souhaite effectuer une régression logistique binaire avec R. Je souhaite expliquer la variable X (présence ou absence d'un évènement) en fonction des variables A, B, C (qui sont binaires) et en fonction des variables D et T qui ont 3 modalités (faible, moyen, fort que j'ai codé en 1, 2 et 3).
J'utilise la fonction glm avec l'option family=binomial.
R me met le warning suivant :

In glm.fit(x[, jj, drop = FALSE], y, wt, offset = object$offset, ... :
des probabilités ont été ajustées numériquement à 0 ou 1

Je n'ai pas bien compris à quoi sert la fonction glm.fit, ni comment l'utiliser. Pouvez-vous m'aider ?

Je pense que le warning vient de D et T. J'ai pensé transformer mes variables D et T en variables binaires D1, D2 et T1, T2 avec le codage :
(D1,D2)=(T1,T2)=(0,0) qui correspond à 1 pour D et T
(D1,D2)=(T1,T2)=(0,1) qui correspont à 2 pour D et T
(D1,D2)=(T1,T2)=(1,0) qui correspond à 3 pour D et T
Mais après je ne sais pas trop quoi faire pour que R "comprenne" ce codage.

J'espère avoir été assez claire.
Merci.

choupon

Nombre de messages: 12
Age: 29
Date d'inscription: 16/04/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: régression logistique binaire avec R

Message par badox le Dim 27 Juil 2008 - 21:14

bonjour,


avant de t'attaquer à glm.fit (qui est une fonction interne), tu peux jeter un coup d'oeil à la fonction glm.

[code]
> ?glm
# un variable binaire
y <- c(0,0,0,0,1,0,1,0,1,1,1,1,1,1)
# la variable de type character est transformée en factor
x1 <-as.factor(c(rep("a",5),rep("b",4),rep("c",5)))
# on utilise la fonction glm
glm1 <- glm(y ~ x1, family = binomial)
# on édite les résultats du glm
summary(glm1)

Call:
glm(formula = y ~ x1, family = binomial)

Deviance Residuals:
Min 1Q Median 3Q Max
-1.177e+00 -6.680e-01 7.976e-05 7.976e-05 1.794e+00

Coefficients:
Estimate Std. Error z value Pr(>|z|)
(Intercept) -1.386 1.118 -1.240 0.215
x1b 1.386 1.500 0.924 0.355
x1c 20.952 4809.341 0.004 0.997

(Dispersion parameter for binomial family taken to be 1)

Null deviance: 19.121 on 13 degrees of freedom
Residual deviance: 10.549 on 11 degrees of freedom
AIC: 16.549

Number of Fisher Scoring iterations: 18
[\code]

il existe beaucoup de doc en français et en en anglais disponible sur le net sur ce sujet.

en espérant avoir aidé un peu

badox

badox

Nombre de messages: 13
Date d'inscription: 27/07/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Voir le sujet précédent Voir le sujet suivant Revenir en haut

- Sujets similaires

Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum